SDDP

Revisión de la Metodología

Curso SDDP – 2009

Tópicos

• Despacho térmico
• Despacho hidrotérmico determinístico
– Programación dinámica
– Programación dinámica dual
• Despacho hidrotérmico estocástico
– Programación dinámica dual estocástica (SDDP)
• Relación con técnicas de descomposición en PL

2
Tópicos

• Despacho térmico
• Despacho hidrotérmico determinístico
– Programación dinámica
– Programación dinámica dual
• Despacho hidrotérmico estocástico
– Programación dinámica dual estocástica (SDDP)
• Relación con técnicas de descomposición en PL

3
Despacho térmico

• Desacoplado en el tiempo
• Generadores tienen costos operativos directos
• Despacho de un generador no afecta la capacidad o
disponibilidad de las demás plantas
• Solución del problema:
– Despacho de las unidades en orden creciente de los costos de
producción

4
Ejemplo 1: Despacho térmico

T1 T2 T3
10 MW 5 MW 20 MW
8 $/MWh 12 $/MWh 15 $/MWh

Demanda = 20 MWh

5
Ejemplo 1: Solución

T1 T2 T3
10 MW 5 MW 20 MW
8 $/MWh 12 $/MWh 15 $/MWh

10 MW 5 MW 5 MW

Costo = 10*8 + 5*12

+ 5*15 = $215
Demanda = 20 MWh

6
Ejemplo 1: Costo marginal

T1 T2 T3
10 MW 5 MW 20 MW
8 $/MWh 12 $/MWh 15 $/MWh

10 MW 5 MW 5 MW

+ 1 MW ?  CMO = 15 $/MWh
Costo = 10*8 + 5*12
+ 5*15 = $215
Demanda = 20 MWh

7
Ejemplo 1: Formulación matemática

z = Min 8g1 + 12g2 + 15g3  Costo operativo

s.a.
g1 + g2 + g3 = 20 MW  Balance de energía

g1 ≤ 10 MW
g2 ≤ 5 MW  Límites operativos
g3 ≤ 20 MW

8
Ejemplo 1: Formulación matemática

z = Min 8g1 + 12g2 + 15g3

s.a.
g1 + g2 + g3 = 20 MW d=z/D = CMO

g1 ≤ 10 MW
g2 ≤ 5 MW
g3 ≤ 20 MW

9
Tópicos

• Despacho térmico
• Despacho hidrotérmico determinístico
– Programación dinámica
– Programación dinámica dual
• Despacho hidrotérmico estocástico
– Programación dinámica dual estocástica (SDDP)
• Relación con técnicas de descomposición en PL

10
Incertidumbre hidrológica - dependencia temporal

Consecuencias
Caudales Futuros
operativas
Decisión
húmedos OK

Utilizar los
embalses

secos Déficit

húmedos Vertimiento

No utilizar los
embalses

secos OK

11
Despacho hidrotérmico

• Acoplado en el tiempo: una decisión operativa hoy afecta el

costo operativo futuro
• Costo indirecto: asociado a la oportunidad de economizar
combustible dislocando una térmica hoy o en el futuro
• Despacho/almacenamiento de una hidroeléctrica afecta la
disponibilidad de agua para las centrales aguas abajo

12
Ejemplo 2: Despacho hidrotérmico

H1 T1 T2 T3
10 MW 10 MW 5 MW 20 MW
100 Hm3 8 $/MWh 12 $/MWh 15 $/MWh
0.1 MWh/Hm3

Volumen afluente = 100 Hm3

t=1
Vol.ini. = 0 Hm3

20 MWh

13
Ejemplo 2: Solución óptima

• Como el costo de operación de una hidroeléctrica es nulo, se

despacha la central hidro primero:

– GH = 10 MWh
– T1 = 10 MWh

– Costo: $80

14
Ejemplo 2: Despacho hidrotérmico

H1 T1 T2 T3
10 MW 10 MW 5 MW 20 MW
100 Hm3 8 $/MWh 12 $/MWh 15 $/MWh
0.1 MWh/Hm3

Volumen afluente = 100 Hm3 Volumen afluente = 0 Hm3

t=1 t=2
Vol.ini. = 0 Hm3

20 MWh 20 MWh

15
Primera idea: generar todo en la etapa 1

• Primera etapa:
– H = 10 MWh; T1 = 10 MWh
– CO1 = $80

• Y en la segunda etapa?
– H = 0 MWh;
– T1 = 10 MWh; T2 = 5 MWh; T3 = 5 MWh
– CO2 = $215
– CO1 + CO2 = $295  Es la solución óptima?

16
Enumerando las posibilidades…

• Generación hidroeléctrica está limitada a 10MWh para todo el

horizonte
• Se puede alocarla de la manera más conveniente
(económica) entre las dos etapas

Generación en la etapa 1 (MWh) CO1 CO2 CO1+CO2

H T1 T2 T3 ($) ($) ($)
10 10 0 0 80 215 295
8 10 2 0 104 185 289
6 10 4 0 128 155 283
4 10 5 1 155 128 283
2 10 5 3 185 104 289
0 10 5 5 215 80 295

17
Enumerando las posibilidades…
• La limitación para la hidroeléctrica está de hecho en la
disponibilidad de agua
• Así, podemos igualmente expresar las combinaciones en
función del almacenamiento al final de la primera etapa (que
es el almacenamiento al inicio de la segunda etapa)

Vol. final t=1 CO1 CO2 CO1+CO2

(Hm3) ($) ($) ($)
0 80 215 295
20 104 185 289
40 128 155 283
60 155 128 283
80 185 104 289
100 215 80 295
18
Gráfico del costo total

FCI FCF FCT

350
300
250
Costo ($)

200
150
100
50
0
0 20 40 60 80 100
Vol. f inal t=1 (Hm3)

19
Características del despacho hidrotérmico

• El despacho hidrotérmico óptimo es aquél que minimiza la

suma del costo total = costo inmediato + costo futuro
• La solución óptima no es agotar toda la generación
hidroeléctrica luego en la primera etapa, aunque ella presente
costo operativo = cero
• Por qué?
– Porque la hidroeléctrica puede transportar el agua (energía) de una
etapa para otra. Por lo tanto, la generación hidro tiene un costo de
oportunidad

20
Despacho hidrotérmico

• Solución del problema:

– Trade-off entre el uso del agua hoy o en el futuro

Costo

Función de
Función de Costo
Costo Futuro Inmediato

Volumen final

21
Decisión óptima

• Decisión óptima: almacenamiento que minimiza la FCI+FCF

(FCI+FCF)/V = 0  (FCI)/V + (FCF)/V = 0 
(FCI)/V = - (FCF)/V

FCI + FCF
FCI

FCF

Decisión Volumen final

óptima
22
Decisión óptima y valor del agua
• Valor del agua: derivada de la FCI y FCF con respecto al
volumen
• Decisión óptima: equilibrio entre los valores inmediato y futuro
del agua

FCI + FCF
FCI

FCF
Valor del
agua
Decisión Volumen final
óptima
23
Valor del agua
• Como calcular el valor del agua en la segunda etapa para los
diversos posibles niveles de almacenamiento?
– Solamente es necesario calcular el beneficio marginal que se obtiene
con la reducción de la generación térmica en la etapa 2 en cada
situación de almacenamiento.

• Ejemplo: Volumen inicial = 0  T3 es el generador marginal

(CMO =15 $/MWh):
+1 Hm3 disponible  generación de H1 igual a 0,1MWh/Hm3
 1 Hm3 = 0,1MWh
0,1MWh de reducción de T3 (marginal)  reducción en el
costo de operación en t=2 de 15 $/MWh  0,1MWh = 1,5$
Así, el valor del agua en esta situación es 1,5$/Hm3

24
Valor del agua

Discretizando los volúmenes iniciales en la etapa t = 2

Vol. Inicial Costo Operativo Valor Marginal del Agua

3 3
(Hm ) ($) ($/Hm )
0 215 1,5
20 185 1,2
40 155 1,2
60 128 1,2
80 104 0,8
100 80 0,8

25
Formulación del problema de despacho hidrotérmico
de dos etapas
Min (8g1,t=1 + 12g2,t=1 + 15g3,t=1) + (8g1,t=2 + 12g2,t=2 + 15g3,t=2)
s.a.
g1,t=1 + g2,t=1 + g3,t=1 + 0,1ut=1 = 20 MW
g1,t=2 + g2,t=2 + g3,t=2 + 0,1ut=2 = 20 MW

g1,t=1 ≤ 10 MW; g1,t=2 ≤ 10 MW

g2,t=1 ≤ 5 MW; g2,t=2 ≤ 5 MW
g3,t=1 ≤ 20 MW; g3,t=2 ≤ 20 MW

ut=1 ≤ 100 Hm3; ut=2 ≤ 100 Hm3

Vt=2 = 0 + 100 - ut=1 - st=1

Vt=3 = Vt=2 + 0 - ut=2 - st=2

Vt=2 ≤ 100 Hm3; Vt=3 ≤ 100 Hm3

26
Formulación del problema de despacho hidrotérmico
multi-etapa
Min j t cj,tgj,t
s.a
j gj,t + i (iui,t) = Demandat t
gj,t  Gmaxj,t j,t
ui,t  Umaxi,t i,t
Vi,t+1 = Vi,t + ai,t – ui,t – si,t + ki(uk,t + sk,t) i,t
Vi,t+1  Vmaxi i,t

ui,t Turbinamiento de la hidro i en la etapa t

Umaxi Turbinamiento máximo de la hidro i en la etapa t
i Factor de producción de la hidro i (convierte caudal turbinado en energía)
si,t Vertimiento de la hidro i en la etapa t
ai,t Caudal natural afluente a la hidro i en la etapa t
Vi,t+1 Almacenamiento final de la hidro i en la etapa t
Vmaxi Almacenamiento máximo de la hidro i
i Conjunto de las plantas inmediatamente aguas abajo de la hidro i

27
Tópicos

• Despacho térmico
• Despacho hidrotérmico determinístico
– Programación dinámica
– Programación dinámica dual
• Despacho hidrotérmico estocástico
– Programación dinámica dual estocástica (SDDP)
• Relación con técnicas de descomposición en PL

28
Descomposición del problema de despacho
hidrotérmico multi-etapa
• Como resolver el problema de despacho hidrotérmico multi-
etapa?
• El problema de varias etapas “acopladas” puede ser
descompuesto en varios problemas menores de una etapa
• Como se mantiene la coherencia del acoplamiento en este
esquema de descomposición?
– A través de la aproximación de las FCF de cada etapa, desde la última
hasta la primera
• En cada etapa, cuanto más estados de almacenamiento
fueren discretizados, mejor será la aproximación de la FCF
para la etapa
• Método conocido como Programación Dinámica (PD)

29
 $
Min j cj,1gj,1 +
Descomposición s.t.
Vi,2
Etapa 1

j gj,1 + i (iui,1) = Demanda1

gj,1  Gmaxj,1 j
ui,1  Umaxi,1 i
Vi,2 = Vi,1 + ai,1 – ui,1 – si,1 + ki(uk,1 + sk,1) i
Vi,2  Vmaxi i

$
Min j t cj,tgj,t Min j cj,2gj,2 + Etapa 2
s.t.
s.t. Vi,3
j gj,t + i (iui,t) = Demandat t
j gj,2 + i (iui,2) = Demanda2
gj,t  Gmaxj,t j,t
ui,t  Umaxi,t i,t gj,2  Gmaxj,2 j
Vi,t+1 = Vi,t + ai,t – ui,t – si,t + ki(uk,t + sk,t) i,t ui,2  Umaxi,2 i
Vi,t+1  Vmaxi i,t
Vi,3 = Vi,2 + ai,2 – ui,2 – si,2 + ki(uk,2 + sk,2) i
Vi,3  Vmaxi i
..
.
Min j cj,Tgj,T
Etapa T
s.t.

j gj,T + i (iui,T) = DemandaT

gj,T  Gmaxj,T j
ui,T  Umaxi,T i
Vi,T+1 = Vi,T + ai,T – ui,T – si,T + ki(uk,T + sk,T) i
30
Vi,T+1  Vmaxi i 30
Programación Dinámica

• La FCF de cada etapa tiene como variables dependientes

(también llamadas variables de estado en la programación
dinámica) los volúmenes finales de la etapa
• Qué pasa cuando el sistema posee varias hidroeléctricas?
– El número de variables de estado crece y, consecuentemente, el
número de combinaciones de los estados de almacenamiento crece
exponencialmente

V1

V2
31
Programación Dinámica

• Crecimiento exponencial de las combinaciones de estados de

almacenamiento hacen con que el cálculo de la operación
óptima sea computacional infactible (maldición de la
dimensionalidad)
• Ejemplo: 100 discretizaciones para el almacenamiento de
cada embalse
# embalses # combinaciones
1 1001
2 1002 = 10.000
3 1003 = 1.000.000
4 1004 = 100.000.000
5 1005 = 10.000.000.000
6 1006 = 1.000.000.000.000
50 10050 = 1 seguido de 100 ceros

32
Tópicos

• Despacho térmico
• Despacho hidrotérmico determinístico
– Programación dinámica
– Programación dinámica dual
• Despacho hidrotérmico estocástico
– Programación dinámica dual estocástica (SDDP)
• Relación con técnicas de descomposición en PL

33
Método alternativo de solución

• Como resolver el problema de despacho hidrotérmico óptimo?

– Método de Programación Dinámica Dual
• Diferentemente de la PD “Convencional”, la PD Dual (PDD)
no calcula previamente todas las combinaciones resultantes
de la discretización de los niveles de almacenamiento
• Esencialmente, la PD Dual tiene como objetivo calcular el
despacho óptimo; no es aproximar la FCF para el mayor
número de combinaciones posibles

34
Programación Dinámica Dual

• Es un método iterativo de construcción de las aproximaciones

de la FCF alrededor de “puntos interesantes” de
almacenamiento del sistema
• Estos “puntos interesantes” son definidos por el propio
método en cada iteración
• El método de aproximación iterativa de las FCF termina
cuando un criterio de convergencia es atingido
• En la PD Dual, las FCF no son aproximadas por la
interpolación de los costo discretizados (como ocurre en la
PD Convencional), pero sí por segmentos lineales alrededor
de los puntos de almacenamiento interesantes usando la
información del costo y de la derivada de la FCF (valores del
agua)

35
PD Dual – aproximación de la FCF

Función de Costo Futuro

140
215
120

100 185
Costo ($)

80
155
60
128
40
104
20
80
0
0 20 40 60 80 100
Volumen inicial en t=2 (Hm3)

36
PD Dual – aproximación de la FCF

(V)

Valor
del
(Vk) agua
∂(V)/∂V | V = Vk

Volumen inicial
Vk

(V)

Volumen inicial

37
Algoritmo de PD Dual

• El método iterativo de solución del problema de despacho

hidrotérmico por PD Dual se constituye por dos fases:
– Fase Forward (simulación)  genera los puntos interesantes de
almacenamiento de los embalses en cada etapa considerando las
aproximaciones de las FCF ya construidas
– Fase Backward (recursión)  adiciona segmentos lineales en la
aproximación de la FCF de cada etapa obtenidos alrededor de los
puntos interesantes de almacenamiento generados en la fase Forward
• Este proceso Forward-Backward se repite hasta que un
criterio de convergencia sea atendido

38
 $
Min j cj,1gj,1 +
PD Dual s.t. Vi,2
etapa 1

j gj,1 + i (iui,1) = Demanda1

gj,1  Gmaxj,1 j
ui,1  Umaxi,1 i
Vi,2 = Vi,1 + ai,1 – ui,1 – si,1 + ki(uk,1 + sk,1) i
Vi,2  Vmaxi i

$
Min j t cj,tgj,t Min j cj,2gj,2 + etapa 2
s.t. s.t. Vi,3
j gj,t + i (iui,t) = Demandat t
j gj,2 + i (iui,2) = Demanda2
gj,t  Gmaxj,t j,t
gj,2  Gmaxj,2 j
ui,t  Umaxi,t i,t
Vi,t+1 = Vi,t + ai,t – ui,t – si,t + ki(uk,t + sk,t) i,t ui,2  Umaxi,2 i
Vi,t+1  Vmaxi i,t Vi,3 = Vi,2 + ai,2 – ui,2 – si,2 + ki(uk,2 + sk,2) i
Vi,3  Vmaxi i

$ ..
+ .
…
Vi,T
Min j cj,Tgj,T
etapa T
s.t.

j gj,T + i (iui,T) = DemandaT

gj,T  Gmaxj,T j
ui,T  Umaxi,T i
Vi,T+1 = Vi,T + ai,T – ui,T – si,T + ki(uk,T + sk,T) i
Vi,T+1  Vmaxi i39
39
PD Dual – criterio de convergencia

• Una ventaja del método de PD Dual es el hecho de que

permite calcular un límite inferior (ZINF) y otro superior
(ZSUP) para el valor del costo de operación óptimo del
sistema
– El costo óptimo es garantizadamente menor que el ZSUP.
– El costo óptimo es garantizadamente mayor que el ZINF.

• El proceso iterativo termina cuando el ZINF y el ZSUP están

aceptablemente próximos:

(ZSUP - ZINF)/ZSUP  Tolerancia (%)

40
PD Dual – ZSUP

• Cualquier solución de operación factible tiene un costo que es

un limite superior para el costo óptimo
• Así, al final de cada simulación Forward, la suma de los
costos de operación inmediatos de cada etapa es un Límite
Superior (ZSUP)

41
PD Dual – ZINF

• Cualquier solución factible de operación con costo

garantizadamente sub-evaluado es un límite inferior para el
costo óptimo
• Así, el valor de la función objetivo del problema de la primera
etapa (costo operativo inmediato + evaluación del costo futuro
por la FCF aproximada) es un Límite Inferior (ZINF)
• Observe que la evaluación del costo futuro (utilizando la FCF
aproximada) de una solución factible para la primera etapa es
garantizadamente una sub-evaluación del costo total de
operación de las etapas 2,3,..,T-1,T, ya que la aproximación
lineal utilizada por la PD Dual está siempre por debajo de la
FCF real (desconocida)

42
Ejemplo de PD Dual con el Excel

• Despacho hidrotérmico determinístico de dos etapas (Enero y

Febrero)
– 3 térmicas
– 1 hidro

43
Tópicos

• Despacho térmico
• Despacho hidrotérmico determinístico
– Programación dinámica
– Programación dinámica dual
• Despacho hidrotérmico estocástico
– Programación dinámica dual estocástica (SDDP)
• Relación con técnicas de descomposición en PL

44
Incertidumbre hidrológica

• La optimización del despacho hidrotérmico para un único

escenario hidrológico futuro es una estrategia arriesgada:
– Si un escenario húmedo es utilizado, la optimización irá despachar
mucho las hidroeléctricas. Caso en la vida real la hidrología sea seca,
el sistema llegará en una situación de bajo almacenamiento o mismo
de racionamiento (planeamiento de la operación mucho arriesgado)
– Si un escenario seco es utilizado, la optimización irá despachar poco
las hidroeléctricas y tendrá un costo elevado debido al elevado
despacho térmico. Caso en la vida real la hidrología sea húmida, el
sistema llegará en una situación de almacenamiento excesivo o mismo
de vertimiento (planeamiento de la operación mucho conservador)
• Abordaje correcto: optimización bajo incertidumbre =
despacho hidrotérmico estocástico

45
Cálculo de la FCF

Volumen
Máximo
vertimiento

Volumen
final en t escenarios
hidrológicos

racionamiento

t+1 t+2 t+3 etc. etapa

46
Incertidumbre hidrológica

• Una vez estimados los modelos estocásticos que capturan el

comportamiento estadístico de la hidrología, es posible
generar tantos escenarios de caudales naturales afluentes
cuantos se desee  Método de Monte Carlo
• Los escenarios sintéticos generados son utilizados para
determinarse el despacho hidrotérmico óptimo bajo
incertidumbre
– Problema que se resuelve por PD Dual Estocástica.

47
PD Dual Estocástica

• Algoritmo semejante al de la PD Dual Determinística

– Simulación Forward idéntica, pero ahora con varios escenarios 
solución de la fase Forward estocástica semejante a varios problemas
de PD Dual Determinística
– Recursión Backward presenta algunas diferencias:
• FCF aproximada captura la incertidumbre en la operación futura del
sistema
• Introducción de escenarios Backward de hidrología para representar la
variabilidad hidrológica correcta en el proceso de decisión
– Criterio de convergencia estadístico:
• No hay más un único ZSUP, pero una distribución de probabilidad del
ZSUP (variable aleatoria)
• Teste estadístico de convergencia: si el ZINF pertenece al intervalo de
confianza de 95% del promedio del ZSUP

48
SDDP Simulación Forward

• Objetivo:
– Generar puntos interesantes: estados iniciales de los embalses
– Al final de la simulación:
• LB: costo operativo da primera etapa + FCF
• UB: costo operativo promedio
• Para t = 1, …, T
– Simular N escenarios hidrológicos

49
Recursión Backward

• Objetivo: construcción de la FCF

• Para t = T, …., 2
– Para cada escenario hidrológico = estado inicial de los embalses
• simular L escenarios hidrológicos
• generar una linealización de la FCF

50
PD Dual Estocástica – Fase Backward
$
Vi,T

$
Vi,T

t=1 t=2 t=3 t = T-1 t=T

51
Criterio de convergencia
• Límite superior estimado basado en una muestra de N
secuencias de caudales
1 N
ZSUP = N  CT(n)
n=1
• Incertidumbre alrededor de esta estimación
1 N
ZSUP =  (CT(n ) - ZSUP )2
N
n=1

• Intervalo de confianza de 95% para el ZSUP se escribe como:

[ ZSUP - 1,96ZSUP; ZSUP + 1,96ZSUP ]

• Si ZINF  [ ZSUP - 1,96ZSUP; ZSUP + 1,96ZSUP ]  Fin

52
Criterio de Convergencia

Convergencia
Costo total
$22,000.00

LB
UB
$20,000.00 UB + 1.96s
UB - 1.96s

$18,000.00

$16,000.00

$14,000.00

$12,000.00

$10,000.00
1 2 3 4 5 6 7 8 9 10 11

Iteraciones

53
Tópicos

• Despacho térmico
• Despacho hidrotérmico determinístico
– Programación dinámica
– Programación dinámica dual
• Despacho hidrotérmico estocástico
– Programación dinámica dual estocástica (SDDP)
• Relación con técnicas de descomposición en PL

54
Relación con PL multi-etapa

• Formulación alternativa como PL multi-etapa

• Conceptos de PL
• Problema de decisión en dos etapas
• Algoritmo de descomposición de Benders

55
Conceptos de Programación Lineal
• Problema de programación lineal:
z = Min cx
s.a Ax≥b ……….. 
x≥0
• Problema dual:
Max b
s.a A≤c
≥0
• Igualdad primal dual: z = c x =  b
• Interpretación económica:  = ∂ z / ∂ b

56
Problema de dos etapas
Min cx+dy
s.a Ax ≥b
Ex+Fy≥h
x≥0 y ≥0

• Problema de la 2da. etapa:

(x) = Min dy
s.a Fy≥h–E x  : variables duales
y≥0

57
Problema de la 2da. etapa
• (x) = Min d y • (x) = Maxi = 1,…,p i (h – E x)
s.a Fy≥h–E x
y ≥0
• (x) = Min 
• Problema dual:  ≥ i ( h – E x )
(x) = Max  (h – E x) i = 1, …, p

s.a F ≥d
≥0
• ={,F ≥d ≥0}
{ 1, 2, … , p } vértices
de 

58
Problema de la 1ra. etapa
z = Min c x + (x)
s.a Ax ≥b
x≥0

z = Min cx+
s.a Ax≥b
 ≥ i ( h – E x ) i = 1, …, p
x ≥0

59
Algoritmo de descomposición de Benders
• Paso 0: k =1 • Paso 2: Prob. de la 2a.etapa
(xk) = Min dy
• Paso 1: Prob. 1a etapa relajado: s.a F y ≥ h – E xk
zk = Min c x +  y ≥0
s.a A x ≥ b Solución: yk y k
 ≥ i ( h – E x )
i = 1, …, k-1 • Paso 3: Verifica optimalidad
x≥0 zk : cota inferior (LB)
Solución: zk y xk (xk, yk) solución viable 
c xk + d yk : cota superior (UB)
Se | UB-LB| < Tol  Pare
k = k+1, ir al Paso 1.

60
Expresión alternativa del corte

• Corte:  ≥ k ( h – E x )

• Del dual del prob. de la 2da. etapa:

(xk) = k ( h – E xk )

= k h – k E xk  k h = (xk) + k E xk

• Corte:  ≥ k ( h – E x ) = (xk) + k E xk – k E x
  ≥ (xk) + (– k E ) ( x – xk )

Quién es?

61
Expresión alternativa del corte

• Del prob. de la 2da. etapa:

∂ (x) / ∂ x | x = xk = ∂ (x) / ∂ ( h – E x )  ∂ ( h – E x ) / ∂ x
= k  ( –E)

 – k E = ∂ (x) / ∂ x | x = xk

• Corte:  ≥ (xk) + (– k E ) ( x – xk )

 ≥ (xk) + ∂ (x) / ∂ x | x = xk ( x – xk )

Valor del
agua
62